Pelo menos 9 anos de atua\u00e7\u00e3o na integra\u00e7\u00e3o entre IA e ci\u00eancia de materiais, o professor associado Rafael G\u00f3mez-Bombarelli acompanha uma se\u00e7\u00e3o cr\u00edtica da evolu\u00e7\u00e3o tecnol\u00f3gica. Hoje, ele afirma que vivemos um novo ponto de inflex\u00e3o, ap\u00f3s a consolida\u00e7\u00e3o da aprendizagem de representa\u00e7\u00f5es e de IA generativa.<\/p>\n
Com foco em simula\u00e7\u00f5es baseadas em f\u00edsica combinadas a aprendizado de m\u00e1quina, o pesquisador do MIT busca acelerar a descoberta de materiais com aplica\u00e7\u00f5es reais. Seu trabalho abrange baterias, catalisadores, pl\u00e1sticos e OLEDs, impulsionando a produ\u00e7\u00e3o de solu\u00e7\u00f5es mais r\u00e1pidas e eficientes.<\/p>\n
A trajet\u00f3ria come\u00e7ou na Espanha, com participa\u00e7\u00e3o em olimp\u00edadas de qu\u00edmica, passando pela Universidade de Salamanca e depois por pesquisas que uniram qu\u00edmica e computa\u00e7\u00e3o. A mudan\u00e7a para a pesquisa computacional ocorreu ainda durante o doutorado, quando passou a simular rea\u00e7\u00f5es qu\u00edmicas em vez de apenas medi-las no laborat\u00f3rio.<\/p>\n
Na sequ\u00eancia, G\u00f3mez-Bombarelli iniciou projetos em sil\u00eancio com a Aspuru-Guzik, em Harvard, explorando redes neurais para entender mol\u00e9culas. Em 2014, consolidou colabora\u00e7\u00e3o em p\u00f3s-doutorado, dando os primeiros passos da IA generativa para qu\u00edmica, entre 2015 e 2016.<\/p>\n
Ao retornar ao mundo da ind\u00fastria, acompanhou a cria\u00e7\u00e3o de uma empresa de computa\u00e7\u00e3o em materiais, que evoluiu para o desenvolvimento de OLEDs. Essa experi\u00eancia de produto influenciou a decis\u00e3o de seguir carreira acad\u00eamica, levando-o ao MIT.<\/p>\n
Em MIT, o foco do laborat\u00f3rio \u00e9 analisar como composi\u00e7\u00e3o, estrutura e reatividade at\u00f4mica modulam o desempenho de materiais. O grupo tamb\u00e9m desenvolve ferramentas que combinam aprendizado profundo com modelagem f\u00edsica para ampliar a velocidade de testes.<\/p>\n
O pesquisador destaca que o uso de simula\u00e7\u00f5es f\u00edsicas com IA est\u00e1 amadurecendo. Grandes empresas e ag\u00eancias p\u00fablicas j\u00e1 utilizam modelos de escala para acelerar descobertas cient\u00edficas, como a Genesis Mission do Departamento de Energia dos EUA, anunciada em novembro.<\/p>\n
G\u00f3mez-Bombarelli aponta que a IA para ci\u00eancia move-se de possibilidades para uma pr\u00e1tica amplamente aceita, com linguagem natural alimentando modelos que conseguem raciocinar sobre estruturas materiais e receitas de s\u00edntese. A vis\u00e3o \u00e9 reduzir gargalos entre ideias e valida\u00e7\u00e3o pr\u00e1tica.<\/p>\n
Atualmente, o laborat\u00f3rio em MIT opera de forma inteiramente computacional, o que amplia alcance e velocidade de estudo. Embora n\u00e3o realize experimentos f\u00edsicos, h\u00e1 forte parceria com equipes experimentais para triagem de hip\u00f3teses geradas por IA.<\/p>\n
O grupo mant\u00e9m colabora\u00e7\u00e3o com o setor privado por meio de programas de liga\u00e7\u00e3o industrial. O objetivo \u00e9 entender demandas reais do mercado e enfrentar obst\u00e1culos de desenvolvimento comercial, mantendo a pesquisa alinhada com aplica\u00e7\u00f5es concretas.<\/p>\n","protected":false},"excerpt":{"rendered":"